Meridian GeoX 使用的数据是每个地理区域各自的每日时间序列，包括支出和响应（例如转化次数或收入）。
在以下图表中，X 轴对应日期，Y 轴表示指标值，即响应和支出。每条线对应一个地理区域。垂直虚线标示了测试前期与测试期的分界，而针对广告的干预措施则在测试期。
常规数据要求
如需了解地理区域实验的数据要求，请参阅以下部分。
支出数据
对于涉及降低投放力度或提高投放力度设计的实验（包括多实验组研究中采用这两类设计的实验组），必须提供支出时间序列数据。对于隔离实验或多实验组研究中的隔离实验组，不需要支出数据。
转化指标
确定合适的转化指标是有效配置和评估地理区域实验的基本要求。合适的指标应符合特定的业务和方法论标准：
- 业务标准：您选择的转化定义应与指导战略行动的主要 KPI 密切相关。此指标应反映所评估媒体渠道的具体影响。例如，在测试品牌认知度策略时，优先考虑漏斗上端指标。
- 技术标准：必须能够在实验所用的地理区域级别访问转化数据。建议排除具有显著稀疏性或大量 null 条目的指标，因为这些指标可能会使统计建模过程复杂化。
- 指标类型和归因：转化指标必须是绝对值，例如收入或转化次数。GeoX 不支持广告支出回报率等比率指标。此外，您应使用原始、未经过滤的转化时间序列，而不是已归因的转化。这可以防止结果因预定义的归因逻辑而出现偏差，避免歪曲实际的因果增量效果。
地理区域级数据
在设计地理区域实验之前，您应先创建测试前地理区域级时间序列数据。在此步骤中，您需要提供至少 3*N 天的响应数据（例如收入或转化次数），其中 N 等于实验的实际测试期时长。如果您的业务具有明显的季节性或周期性模式，则应准备更长的历史周期（例如一年或更长时间），以便有效训练模型并避免在反事实估计中引入偏差。
对于涉及现有广告系列的实验类型（例如降低投放力度或提高投放力度），还需要准备每日地理区域级支出序列数据，因为这些数据将用于根据现有广告系列的统计信息计算所需的实验预算。这些支出数据通常可以从 Google Ads 账号或发布商 API 中检索。
数据结构
测试前数据集必须是 Pandas DataFrame，并且应包含以下列：
- date
- location：不同的市场区域。
- conversions：近期转化数据通常是未经过滤的原始转化或收入数据，一般来自广告客户的 CRM。转化数据应反映正常业务 (BAU) 状况。
- spend：研究中包含的广告系列的支出数据。此列为可选列。
对于多实验组研究，您应提供单独的支出列，并将其映射到每个实验组的具体干预措施。用例包括：
- 在同一渠道或广告系列中测试不同策略：在完全相同的平台（例如 YouTube）中比较不同策略，例如完全暂停广告与大幅增加支出。由于两个实验组都会修改同一个底层广告系列池，因此支出列（例如 spend_cell_1 和 spend_cell_2）将具有相同的值。
- 测试不同的渠道或策略：比较完全不同的方法，例如 YouTube 广告与需求开发广告，或新客户开发与重访定位。由于每个实验组都关联到不同的广告系列，因此支出值会有所不同。实验组 1 应反映第一种策略的支出，而实验组 2 应反映第二种策略的支出。
响应数据（例如交易或收入数据列）以及支出数据应按以下格式准备。在测试前期间范围内，每个日期与地理区域的组合在此表中仅出现一次。
以下是为设计单实验组降低投放力度实验而上传数据的示例：
| date | location | conversions | spend |
|---|---|---|---|
| 2026-01-01 | LOC1 | 1104.88 | 142.55 |
| 2026-01-01 | LOC2 | 242.24 | 210.18 |
| 2026-01-01 | LOC3 | 339.95 | 325.25 |
| 2026-01-01 | LOC4 | 60.99 | 95.62 |
| 2026-01-01 | LOC5 | 173.20 | 178.62 |
| … | … | … | … |
以下是为设计双实验组实验而上传数据的示例。在实验期间，第一个实验组应为降低投放力度，第二个实验组应为提高投放力度：
| date | location | conversions | spend_cell_1 | spend_cell_2 |
|---|---|---|---|---|
| 2026-05-01 | Region_A | 45 | 120 | 150 |
| 2026-05-01 | Region_B | 30 | 80 | 100 |
| 2026-05-02 | Region_A | 50 | 125 | 155 |
| 2026-05-02 | Region_B | 35 | 85 | 105 |
| 2026-05-03 | Region_A | 48 | 122 | 152 |
最佳实践
请遵循以下最佳实践，确保您的地理区域实验具有统计稳健性。
值为负的指标
请勿使用可能包含负值的指标，例如退款后的净收入。负值会破坏设计随机化和统计建模。
您应始终使用非负绝对值，例如总收入或总转化次数。如果退款金额较大，请根据总销售额进行设计和分析，并在测试后应用历史净销售额与总销售额之比。
每日数据波动
不要按周汇总数据。GeoX 严格要求使用每日时间序列，不支持每周数据。如果您的每日数据波动很大：
- 延长测试时长（例如从四周改为六周或八周），以积累更多数据。
- 使用更浅层的 KPI（例如“加入购物车”而非“购买”），以增加数据量并减少零计数天数。
- 增加目标实验组规模，或调整设计限制条件中的
max_conversions_percent。
KPI 优化
该库每次运行仅支持一个主要转化 KPI。您无法同时针对多个指标（例如新买家和回头客）优化设计。
运行设计引擎并针对主要 KPI 进行优化，以确保研究具有足够的统计功效。您可以谨慎地在测试后分析次要 KPI，方法是对其各自的数据运行 analyze 函数。